Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
“Sistemas Regionales de Innovación (SRI): La incidencia de la
cooperación y el financiamiento público regional en la
iniciativa innovadora de las empresas”
TESIS PARA OPTAR AL GRADO DE
MAGÍSTER EN POLÍTICAS PÚBLICAS
Alumno: Constanza Montecinos Paniagua
Profesor Guía: Roberto Álvarez
Santiago, Agosto 2015
2
Abstract
El propósito de este trabajo es analizar si la cooperación y el financiamiento público en una
región, inciden en la decisión de innovar de las empresas, así como en la intensidad de este
gasto, de manera de poder corroborar la existencia de un sistema regional que fomente este
tipo de actividades con miras a impulsar el crecimiento económico. Para esto se decidió
introducir variables que indican promedios regionales, simples y ponderados, de cooperación
y de uso de fondos públicos, en dos modelos clásicos de variables que influyen en la
innovación, incorporando como variables de control el tamaño de la empresa, la búsqueda
de patentes o de derechos de propiedad, las fuentes de información utilizadas por las
empresas, si la empresa exporta o no, y si es de propiedad extranjera. Se concluye, que el
promedio de empresas que cooperan a nivel de región, en ambos casos, resulta significativo
a la hora de estimar la intensidad del gasto y la probabilidad de llevar a cabo innovación, lo
que podría indicar la existencia incipiente de un sistema regional que permitiría diseñar
políticas públicas de fomento productivo contextualizadas en la realidad local. En cambio, en
relación al promedio de empresas que reciben financiamiento público, esta variable no
resulta significativa en todos los casos y disminuye la intensidad del gasto, lo que podría
significar que hay un problema en el enfoque de las políticas de financiamiento, un
desincentivo por competencia o un posible efecto sustitución en la inversión para la
innovación.
KEYWORDS: innovación, promedios regionales, sistema regional de innovación, fomento
productivo.
3
Agradecimientos,
A mi amado Gonzalo, por la paciencia, el método y la disciplina.
A Gonzalo D. por ser la luz al final del túnel.
4
I. Introducción
Los países en vías de desarrollo enfrentan el desafío de aumentar su ingreso per cápita y su
productividad con la finalidad de alcanzar tasas de crecimiento similares a las de países
desarrollados.
A mediados de los años 80 comenzaron a gestarse nuevos planteamientos acerca de la
teoría de crecimiento económico. Las ideas clásicas de crecimiento exógeno, basadas en la
acumulación de capital y rendimientos decrecientes de capital encabezadas por Sollow
(1956), Ramsey (1928), Cass (1965) y Koopman (1965) fueron superadas por teorías que
plantean al crecimiento económico como un fenómeno que depende de variables
explicitadas en el modelo, y que permitirían crecimientos a escala constante dada la
existencia de fuerzas en acción que evitan que el producto marginal del capital disminuya.
Dentro de estas variables encontramos la innovación tecnológica. Esta se expresa mediante
la capacidad de las empresas de generar productos o procesos nuevos. Tanto la decisión de
innovar como la intensidad de esta inversión son indicadores de la existencia del impulso
tecnológico necesario para obtener crecimiento constante (Cooke, 2006). Por tanto, las
mejoras e innovación en el campo de la tecnología son un elemento esencial para un modelo
de crecimiento constante, con el objeto de alcanzar tasas similares a las de países
desarrollados (Hall & Jones, 1998).
Esto hace imperativo generar políticas públicas que estimulen a las empresas, cualquiera
sea su tamaño, para introducir mejoras tecnológicas tanto en sus productos como en sus
procesos. (Krugman, 1990; Hall & Jones, 1998)
Es este contexto surge el concepto de “Sistema Regional de Innovación”, acuñado por la
literatura para referirse al conjunto de elementos que en un contexto local son un medio
virtuoso para la generación de conocimiento y, por ende, para aumentar la productividad de
las unidades productivas de dicho medio. (Griliches, 1991; Doloreux & Parto, 2004;
Crescenzi, Rodríguez-Pose, & Storper, 2007).
El estudio de esta teoría se realiza bajo dos enfoques: el primero es el enfoque comparado;
el segundo como sistema individualizado. Este último busca los principales factores
responsables de la existencia y sostenibilidad del sistema, las dinámicas institucionales y
5
sociales que apoyan la actividad innovadora a escala regional, y el mapeo de los tipos de
interacción entre los diferentes actores y factores dentro de la región.
Desde este punto de vista existen elementos indispensables para la configuración del antes
mencionado “medio virtuoso”. La cooperación, en este sentido, es importante ya que se trata
de un activo intangible que puede ser visto como una forma específica de capital que deriva
de relaciones sociales, normas, valores e interacciones con la comunidad, ayudando a las
empresas a superar fallas de mercado, o a reducir costos. (Doloreux & Parto, 2004)
A su vez la cooperación sirve como un medio para facilitar la apropiabilidad de los spillovers1
propios de este tipo de sistemas.
Por su parte, el financiamiento público se configura como una variable que puede influir en
las empresas generando incentivos para invertir en I+D (Investigación y Desarrollo). La
literatura ha mostrado la problemática en la apropiabilidad de los retornos de este tipo de
inversión. El principal output de la innovación es el conocimiento y este se convierte en un
bien común dado que difícilmente puede mantenerse en secreto, por lo que los beneficios
de esta inversión se repartirán entre empresas que no han gastado en él. Otros estudios
han demostrado que la copia, requiere igualmente de inversión, pero equivalente a un 50-
75% de la inversión original. Esto ha dado origen a numerosas políticas públicas
relacionadas con el tema, desde exenciones tributarias, hasta programas de financiamiento
por parte del Estado. (Bronwyn, 2008).
Además del problema de la apropiabilidad, está el tema de la inversión neta. Chile es un país
que invierte muy poco en innovación en razón de su PIB, en comparación al resto de los
países de la OCDE, probablemente debido al tipo de industria que predomina en su agenda
productiva, caracterizada fundamentalmente por la explotación de materias primas sin
generación de valor agregado (Organización para la Cooperación de Desearrollo Económico,
2009) Es por ambas razones que no existen incentivos naturales a la inversión en I+D por lo
que el financiamiento público pasa a jugar un rol fundamental, al menos en la economía
chilena.
1 Spillover o derrame de conocimiento es un concepto utilizado por la literatura para referirse a las
externalidades positivas generadas por las empresas o por otras unidades de análisis cuando estas incorporan procesos tecnológicos con output de conocimiento. (Fritsch, 2000)
6
La teoría indica que la existencia de un sistema de innovación incide positivamente tanto en
la intensidad del gasto como en la probabilidad de innovar de las empresas (Freeman, 1995)
En esta investigación se estudiará el caso de Chile utilizando la región como unidad de
análisis. Se plantea que la existencia de un medio virtuoso para la innovación, está
determinado por un conjunto de empresas que cooperan entre sí y por un sistema de
financiamiento público que fomente la inversión en I+D.
Al testear esta hipótesis podríamos, en virtud de la teoría de la geografía económica de
Krugman (1991), establecer lineamientos para el desarrollo de políticas públicas que recojan
las potencialidades locales (Ropert, 2009), tal como ha sucedido en los casos de clusters,
milieus, o de los distritos industriales (Berdegué & Schejtman, 2004)
Utilizando de base los modelos de Crespi (Crespi & Zuniga, 2012), Crépon (Crépon, Duguet,
& Maraisse, 1998), Benavente (Benavente, 2005), y Álvarez (Alvarez, Bravo_Ortega, &
Navarro, 2011) y los datos de la 8° encuesta Nacional de Innovación (Instituto Nacional de
Estadisticas, 2011-2012) para Chile, se plantea un modelo Heckman (Heckman, 1979) para
medir las variables que inciden en la intensidad del gasto en innovación condicional a la
probabilidad de innovar de las empresas. Para corroborar la robustez de los resultados
utilizaremos un probit de la decisión de innovar utilizando la intensidad del gasto predicha en
la ecuación anterior como explicativa, junto a otras variables de control relativas a las
características de la empresa, de la oferta y de la demanda de mercado.
Dada la naturaleza de corte transversal de los datos y el diseño y metodología de la
encuesta, es muy probable que sólo podamos encontrar correlaciones entre las variables y
no se demuestre causalidad. Sin embargo, en el trabajo se incluye estadística descriptiva
que permite de alguna manera contextualizar los resultados y justificar las estimaciones.
La investigación se ordena de la siguiente manera. En el apartado sobre revisión
bibliográfica se expone el marco teórico, explicando los principales conceptos y la
justificación de las variables relevantes del modelo, aludiendo a trabajos relacionados con
innovación que han presentado demostraciones empíricas. En la segunda sección, “modelo
y datos”, se explica la metodología elegida para llevar a cabo la investigación y se da cuenta
de algunos modelos que sirven de base para esta tesis. Luego se reportan los resultados de
las estimaciones junto con una breve explicación de los mismos. Finalmente, se presentan
los principales hallazgos y conclusiones de la investigación.
7
II. Revisión Bibliográfica
Según lo ha establecido La Organización para la Cooperación y el Desarrollo Económico
(OCDE) en su informe territorial para Chile (Organización para la Cooperación de
Desearrollo Económico, 2009) tanto la descentralización como la diversificación de la matriz
productiva son esenciales para mejorar nuestra economía. El informe ha entregado una serie
de recomendaciones de política pública para lograr este cometido, especialmente en orden a
darle mayor preponderancia a las regiones en este nuevo panorama. Una serie de autores
han demostrado que el nivel sub nacional es una correcta unidad de análisis ya que toma en
consideración las circunstancias particulares de una localidad (Krugman, 1991; Ropert,
2009) lo que permitiría desarrollar de mejor forma las ventajas comparativas del lugar para
un determinado sector productivo, generando como consecuencia la diversificación
propuesta por la OCDE (Organización para la Cooperación de Desearrollo Económico,
2009).
Gráfico 1. Evolución Presupuesto FIC 2006-2013
Fuente: Elaboración propia con datos obtenidos de la página http://www.economia.gob.cl/subsecretarias/economia/innovacion-2/el-fondo-de-innovacion-para-la-competitividad-fic/ en base a datos proporcionados por DIPRES.
8
Por otra parte, la innovación, entendida como “la introducción de un nuevo, o
significativamente mejorado, producto (bien o servicio), de un proceso, de un nuevo método
de comercialización o de un nuevo método organizativo, en las prácticas internas de la
empresa, la organización del lugar de trabajo o las relaciones exteriores” (OCDE y Eurostat,
2005) es un elemento indispensable para lograr el crecimiento no estacionario. En los
últimos años ha habido un esfuerzo desde el punto de vista de las políticas públicas por
fortalecer este elemento (Ver gráfico 1). Sin embargo, este no ha sido suficiente como para
sobresalir en el panorama mundial y aunque el porcentaje del PIB dedicado a innovación ha
ido en aumento, aún está lejos de alcanzar el nivel de los países desarrollados (Alvarez,
Bravo_Ortega, & Navarro, 2011) (ver tabla 1).
Tabla 1. 10 países de mayor crecimiento del gasto interno en I+D, 2007-2013 (% GDP)
País 2007 2008 2009 2010 2011 2012 2013 DIF (último año
reportado - 2007)*
Israel 4.480 4.387 4.153 3.955 4.102 4.247 4.213 -0,267
Korea 3.000 3.123 3.293 3.466 3.744 4.026 4.152 1,152
Japan 3.461 3.467 3.357 3.254 3.383 3.353 3.489 0,028
Finland 3.346 3.547 3.749 3.726 3.639 3.432 3.320 -0,026
Sweden 3.257 3.495 3.416 3.216 3.224 3.281 3.302 0,045
Chinese Taipei 2.567 2.784 2.942 2.914 3.015 3.064 3.124 0,557
Denmark 2.515 2.780 3.069 2.937 2.966 3.023 3.056 0,541
Germany 2.449 2.601 2.728 2.715 2.797 2.877 2.936 0,487
Austria 2.432 2.586 2.614 2.742 2.681 2.810 2.813 0,381
Slovenia 1.424 1.626 1.816 2.059 2.425 2.578 2.587 1,163
European Union
(28 countries) 1.703 1.770 1.843 1.842 1.880 1.915 1.925 0,222
OECD - Total 2.219 2.292 2.335 2.298 2.331 2.371 2.398 0,179
Chile 0.311 0.375 0.353 0.331 0.353 0.363 0,052
En esta columna se reporta el diferencial entre el último año disponible para cada país y el año 2007. Este dato nos permite conocer la evolución de la inversión en I+D. Fuente: Elaboración propia con datos de la OECD. Disponibles en https://data.oecd.org
Considerando las recomendaciones de la OCDE y asumiendo la experiencia de países
desarrollados sobre una política de innovación, surge la idea de promover los denominados
“sistemas regionales de innovación” (Doloreux & Parto, 2004; Llisterri & Pietrobelli, 2011).
9
Este término se incorpora a una serie de conceptos similares acuñados por distintos autores
en las últimas décadas y diversa literatura acerca de la gestación y desarrollo de clusters,
industrialización flexible, nuevos distritos industriales (NDI), regiones de aprendizaje o
learning regions y entornos competitivos o milieus, (Doloreux & Parto, 2004; Berdegué &
Schejtman, 2004).
Aunque no hay una definición exacta de este concepto, ya que dependerá del investigador,
de la unidad de análisis seleccionada (el tipo de nivel sub nacional a estudiar) etc. se
entiende que se trata de un conjunto de características de un espacio sub nacional que
explican interacciones y relaciones que se presentan entre agentes económicos, sean estos
de carácter público, privado o mixto, y que tienen por finalidad generar círculos de
retroalimentación virtuosos con el objetivo de fomentar la innovación, considerada como un
elemento esencial para promover un desarrollo económico de tasas constantes a largo plazo
(Llisterri & Pietrobelli, 2011; Doloreux & Parto, 2004; Berdegué & Schejtman, 2004).
Investigaciones empíricas realizadas en el tema tienden a referirse a los elementos
constitutivos del sistema, en general definido en base a recursos locales, como la existencia
de un mercado laboral y mano de obra especializada, sistemas de subcontratación y
proveedores, procesos de aprendizaje y spillover, agencias y organizaciones de apoyo y la
presencia de usuarios y consumidores (Doloreux & Parto, 2004), actitud emprendedora y
tradición de cooperación.
Lo importante es que implica el reconocimiento de un nuevo modelo de crecimiento. Se
puede resumir el aporte de esta nueva teoría en tres puntos. En primer lugar, sostiene la
existencia de externalidades positivas en la inversión, reflejadas en retornos crecientes a
escala. En segundo lugar, postula la existencia de externalidades ( Crescenzi, Rodríguez-
Pose, & Storper, 2007) positivas asociadas al capital humano (Romer, 1986) donde se
elimina la presencia de rendimientos decrecientes del capital al suponer que el conocimiento
es obtenido como un subproducto de la inversión en capital físico, revalorizando el
aprendizaje en la práctica (learning by doing) como medio para mejorar y aumentar el stock
de capital humano. Por último, considera al stock de conocimientos como un factor
productivo con externalidades que afectan la estructura del mercado.
Siguiendo esta tendencia, se vuelven especialmente importantes las llamadas “economías
de aglomeración” (Marshall, 1920; Fritsch, 2000), que han llevado a la literatura a profundizar
10
en los efectos positivos de la formación de redes entre agentes económicos en un espacio
físico. Algunos trabajos se han enfocado en describir como los centros son terrenos fértiles
para la innovación y como la tecnología se mueve desde ahí hacia la periferia. (Fritsch,
2000)
Marshall (1890), Arrow (1970) y Romer (1986) desarrollaron teorías en función de las cuales
ciertos efectos, que se denominarán en el futuro externalidades MAR, surgen cuando la
especialización regional es el principal motor de crecimiento. Otro efecto de las economías
de aglomeraciones son las externalidades de Jacobs (1969), esta teoría plantea que el
principal motor de crecimiento es el poder de mercado local, y por lo tanto, la composición
industrial de una economía debe diversificarse, esto significa que la razón del crecimiento es
la competencia entre empresas, que estarán obligadas a innovar permanentemente para
poder sobrevivir (van der Panne, 2004).
Existe numerosa literatura relacionada con el tema de las externalidades generadas por los
SRI, algunos autores tratan la relevancia del rol de las instituciones públicas en la producción
de conocimiento (Cooke, 2006); otros han intentado plantear modelos mucho más complejos
en el que se incorporan variables de cercanía de las empresas como medida de los
derrames, como uno de los vectores de análisis para medir el resultado innovador de la
región, en un estudio comparado para Estados Unidos y la Unión Europea (Crescenzi,
Rodríguez-Pose, & Storper, 2007). Claramente es posible realizar este tipo de estimaciones
con datos de mejor calidad que los disponibles para los países Latinoamericanos, como
ocurre en el caso de las encuestas Europeas2 o en el caso de Estados Unidos.
Pero la generación de este tipo de externalidades no es suficiente, se requiere de
circunstancias que hagan que una región, o las empresas de una región, estén en
condiciones de aprovechar estos beneficios, a esto algunos autores le llaman “capacidad de
absorción”, que es la capacidad de un lugar o de un agente para generar, asimilar y emplear
conocimiento (Cohen & Levinthal, 1990). Algunos trabajos de investigación, como el
realizado por el BID para Latinoamérica se enfocaron en la generación de factores
2 Las encuestas Europeas recogen información de los NUTS, correspondientes a regiones
administrativas, sin embargo, existe otra unidad de análisis llamada FURs (regiones urbanas funcionales), compuestas por una urbe y sus localidades circundantes, representa la cercanía entre los centros urbanos y rurales en relación a factores productivos y aunque resultan más apropiados para el tipo de estudio de SRI no permitían estandarización con los datos de USA. (Crescenzi, Rodríguez-Pose, & Storper, 2007).
11
construidos por correlaciones entre variables, el factor que resultó más significativo fue el
representativo de la capacidad de absorción de la región (ABSCAP), compuesto por el
número de universidades, el porcentaje de población con educación superior y la densidad
de empresas por Km23. (Llisterri & Pietrobelli, 2011)
El análisis entonces, se centrará en estudiar si el grado de cooperación regional de las
empresas y los aportes públicos por región son significativos e influyen en la decisión de
innovar de las empresas y en la intensidad de ese esfuerzo innovador.
Hay numerosa literatura sobre la importancia de la cooperación, basada en la idea de que
las relaciones sociales son relevantes para la innovación configurándose estas como un
activo intangible. Los valores e interacciones con la comunidad son un tipo de capital, ya que
sirve para superar problemas de mercado y disminuye costos, en especial donde las redes
son más densas (Doloreux & Parto, 2004; Fritsch, 2004). La cooperación genera relaciones
virtuosas de interacción y facilita la transferencia de conocimiento. (Shrolec, 2011)
Algunos trabajos empíricos en el tema han concluido que los retornos a escala y las
capacidades de afiliación y asociación de un grupo de industrias impulsan la cooperación de
firmas en innovación, que países menos desarrollados cooperan más, y que en estos
mismos casos la proximidad entre firmas fomenta la cooperación. Asimismo hay evidencia
de que las capacidades internas de las empresas desalientan la cooperación y que el
contexto importa a la hora de interpretar o definir esta variable (Shrolec, 2011).
En relación al financiamiento público, los resultados de los estudios son heterogéneos.
Algunas veces opera un efecto de sustitución en que las empresas dejan de invertir ante la
posibilidad de financiarse con dineros del Estado, otras veces el aporte fiscal resulta
significativo dependiendo del tamaño de la empresa y del nivel de desarrollo del país (Crespi
& Zuniga, 2012). Sin embargo, en la presente investigación, importa el efecto que tiene el
promedio de empresas que reciben este tipo de financiamiento. Esta cuestión no ha sido
previamente analizada para el caso de Chile. Es por esto, que los efectos estudiados en la
literatura comparada pueden evaluarse en función del promedio regional de las empresas.
Como se señaló en la primera parte de esta revisión, en la identificación de un sistema de
innovación es necesaria la existencia de algún indicador de spillovers de conocimiento. En
3 El modelo utilizado por los autores consistía en una regresión multinivel realizada en función de
regiones definidas por clusters que fueron construidos a través de un análisis factorial.
12
este caso las variables “fuente de información” buscan representar en alguna medida las
condiciones del medio que releven la capacidad de absorción de las empresas, antes
mencionada en el apartado sobre externalidades y su relevancia.
El tamaño de la empresa es un factor que ha sido considerado por la mayoría de las
investigaciones en esta materia. Aunque algunos construyen la variable como una dummy
representativa de los tramos (según las ventas): pequeña, mediana y grande, otros autores
prefieren utilizar el logaritmo del empleo (Fritsch, 2000), que es lo que haremos en nuestra
estimación.
El tamaño de la empresa suele ser relevante a la hora de determinar la intensidad del gasto
y la probabilidad de innovar; empresas grandes pueden asegurarse financieramente frente a
proyectos en I+D más riesgosos ya que el tamaño está correlacionado con la disponibilidad y
estabilidad de los fondos internos generados. Además existen economías de escala en la
tecnología de I+D, los retornos de este tipo de inversión son mayores cuando el innovador
tiene mayor volumen de venta sobre las cuales amortizar los costos fijos en innovación.
(Cohen & Levin, 1989)
En el caso de las exportaciones, encontramos literatura que establece la existencia de
correlaciones entre la innovación de producto y la probabilidad de exportar en plantas
manufactureras. Sin embargo, depende mucho del país, del tipo de matriz productiva que
posea, del tamaño de la empresa, etc. Está bien documentado que las empresas que
exportan son mejores en temas de productividad, son muchas veces más grandes, más
intensivas en capital, más intensivas en tecnología y pagan mejores salarios (Bernard &
Jensen, 1999), sin embargo la causalidad de esta alta correlación sigue siendo estudiada, ya
que puede ser que la productividad de una empresa la convierta en exportadora y no
viceversa. Asimismo, estudios empíricos se han enfocado en la relación entre exportaciones
e inversión en I+D mostrando alto nivel de correlación positiva entre ambas variables, siendo
la capacidad exportadora un potenciador de la innovación o viceversa. (Bravo-Ortega,
Benavente, & Gonzalez, 2013)
Así como en el caso de las exportaciones, la propiedad extranjera de las industrias ha sido
utilizada por la literatura como una proxi de la internacionalización de la actividad económica,
y por ende de colaboración internacional. En un contexto globalizado, la participación de una
empresa extranjera en una economía huésped conlleva todo tipo de efectos colaterales
13
incluyendo intercambios logísticos lo que genera necesariamente una vinculación con la
innovación (Alvarez & Molero, 2004). En este sentido, se esperaría que los efectos de
aprendizaje y competencia propios de la actividad exportadora promovieran la innovación,
por lo menos en los casos en que las empresas posean algún tipo de experiencia
tecnológica (Crespi & Zuniga, 2012; Alvarez & Molero, 2004).
Las patentes, que en algunos trabajos son utilizadas como indicador efectivo de innovación
serán incorporadas como una variable de control. Una razón para no incorporarla como
variable independiente es que no siempre representa apropiabilidad como teóricamente
debiera; Hay un bajo número de empresas que se aventuran en la adquisición de este tipo
de derechos de propiedad. Por un lado, es por la cantidad de tiempo involucrado en el
proceso; por otro, están los costos y el diferente valor económico que estas representan
según sea la industria de que se trate (Cohen & Levin, 1989). Por último, y no menos
importante, es el hecho de que las patentes representan innovación cuando el proceso
innovador es maduro, es decir cuando esta conduce efectivamente a la creación de nuevos
productos, más que procesos (Levin, Klevorik, Nelson, & Winter, 1987). En los países en
vías de desarrollo la innovación tiende a limitarse a imitación o adaptación de procesos, lo
que normalmente no conduce a tramitación de derechos de propiedad.
La variable dependiente en este caso es la intensidad del gasto en innovación. Existen
diversos indicadores de innovación en la literatura, como el número de patentes por
trabajador, el gasto en I+D por trabajador, número de productos nuevos innovados por
trabajador, entre otras (Fritsch, 2000), sin embargo utilizaremos el gasto por las razones que
expondremos en la sección “modelo y datos” al describir las variables elegidas para estimar
el modelo.
14
III. El modelo y los datos
Utilizando de base los modelos de Crépon (Crépon, Duguet, & Maraisse, 1998), Crespi
(Crespi & Zuniga, 2012), y Benavente (Benavente, 2005), realizaremos una estimación de
las variables que inciden tanto en la probabilidad de innovar como en la intensidad del gasto
en innovación. El modelo estructural también denominado modelo CMD, contempla 4
ecuaciones: dos de innovación (o de investigación), una función de producción de
conocimiento y una ecuación de productividad. En esta oportunidad estimaremos la primera
parte del modelo dejando fuera aquella parte relativa a la ecuación de productividad. El
modelo CMD busca corregir problemas de sesgo de selección y endogeneidad en las
funciones de innovación y productividad, específicamente producto de la metodología
utilizada por la encuesta usada para obtener los datos (8° encuesta nacional de innovación)
la que posee un filtro en muchas de las preguntas, sobre todo aquellas relacionadas a la
cooperación que solo se formulan a aquellas empresas que han auto-reportado innovar. Las
empresas que no innovan en este caso tienen missing values en la sección de cooperación,
por lo que no son consideradas en el promedio.
Numerosos estudios en el tema se han referido a las serias limitaciones que adolecen las
encuestas de innovación en los países Latinoamericanos (Crespi & Zuniga, 2012), por un
lado porque muchas de las preguntas se realizan solo a las empresas que han reportado
innovar, generando un filtro que impide estimaciones de algunas variables de interés. Por
otro lado la técnica de recolección de datos no permite estimaciones longitudinales ya que la
información solo se recaba para un periodo para un conjunto de observaciones. Finalmente,
en el caso de Chile, la encuesta utilizada no permite la realización de inferencias a nivel de
región cuando se incorpora la variable de sector o actividad, dado el secreto estadístico, lo
que nos ha obligado a utilizar solamente el factor regional sin considerar el tipo de industria
de que se trata. Esto podría generar sesgo dado que algunas actividades comerciales son
esencialmente más propensas a mejoras tecnológicas que otras, como por ejemplo la
minería, mientras que otras, se mantienen constantes. Por lo general, los trabajos de este
tipo se limitan al estudio de empresas manufactureras dado el impacto de estas en la
economía. (Crespi & Zuniga, 2012; Benavente, 2005; Roper & Love, 2002)
El modelo incluye además de las variables relativas a las características de la firma, otras
fuerzas externas que influyen en la decisión de innovar de las empresas, y que en general se
15
construyen como indicadores de innovación impulsados por la demanda, impulsos
tecnológicos, política, regulación y los spillovers.
Las primera parte del modelo, que es de interés para esta investigación, se compone por dos
ecuaciones, que buscan describir el comportamiento de las firmas en materia de
investigación y desarrollo (I+D) mediante un modelo tobit generalizado estimado por máxima
verosimilitud. (Heckman, 1979)
El modelo puede ser descrito de la siguiente forma:
Donde consideramos como una variable latente no observada, y donde es un vector
de las determinantes del esfuerzo innovador, β es un vector de parámetros de interés, y el
término de error. Hemos tomado como proxy del esfuerzo innovador de las empresas el (log)
del gasto en innovación por trabajador denominado como , solo si las firmas han
efectivamente hecho, y reportado dicho gasto. De esta manera podría solamente estimarse
directamente la ecuación 1 con el riesgo de que exista un sesgo en la selección (Griffith,
Huergo, Maraisse, & Peters, 2006), razón por la cual hemos preferido utilizar la siguiente
ecuación de selección en virtud de la cual se describe si las firmas han decidido o no
realizar/reportar gasto en innovación:
Donde es una variable endógena dicotómica de decisión de innovar, que toma el valor 0
para las firmas que no invierten en innovación y valor 1 para las que sí lo hacen. es la
variable latente correspondiente a que las empresas decidan invertir y/o reportar innovación,
si esta se encuentra sobre un cierto umbral nivel c, y donde w es un vector de las variables
explicativas de la decisión de invertir en innovación, α es un vector de parámetros de interés
y ε un término de error.
Condicional a que las firmas se comprometan en actividades innovadoras, podemos
observar el monto de recursos invertidos en actividades de innovación:
16
Asumiendo que el término de error y son bivariados normales con media igual cero,
varianza y y con coeficiente de correlación estimamos el sistema de
ecuaciones (2) y (3) como un modelo tobit generalizado por máxima verisimilitud.
Luego, estimaremos una tercera ecuación representativa de una función de producción de
conocimiento:
Donde es el resultado obtenido por la innovación tecnológica (efectiva introducción de un
nuevo producto o proceso en la firma) en el que el esfuerzo latente de innovación, esto es, el
valor predicho del gasto en innovación obtenido en las ecuaciones 1 y 2, se incorpora
como una variable explicativa, es un vector de otras determinantes de la producción de
conocimiento, y son vectores de parámetros de interés y un término de error.
Haremos la estimación en función de dos tipos de promedios: uno simple y uno ponderado
por tamaño, de esta manera podremos analizar los resultados según escenarios más
específicos que permitan obtener datos más robustos. En las ecuaciones controlamos por
características de la empresa como el tamaño, la propiedad extranjera de la empresa, el
hecho de haber patentado, y si la empresa ha exportado.
Sin embargo este modelo adolece de algunas limitaciones, a diferencia de Crepón (Crépon,
Duguet, & Maraisse, 1998) y Griliches (1979) no usaremos las patentes como un indicador
de innovación, ya que numeroso trabajos (Griliches, 1990; Cohen & Levin, 1989) muestran
que la información de patentes no siempre funciona como buen indicador, porque operan de
manera diferentes entre las distintas categorías de industrias y por la heterogeneidad de los
valores económicos que estas generan; asimismo, otros estudios muestran que en países en
vías de desarrollo no es significativo el uso de patentes como herramienta para medir la
innovación, ya que muy pocas firmas innovan en su nivel de frontera, entendiendo que la
obtención de una patente corresponde a la última etapa de un proceso innovador. Las
patentes suelen ser indicadores del resultado de una inversión exitosa en I+D (Fritsch, 2000).
Aunque la mayor parte de la literatura utiliza el gasto en I+D como indicador de innovación,
nosotros no lo haremos de esta manera, entre otras razones porque no queremos limitar el
esfuerzo innovador a la existencia de un departamento formal de este tipo, entendiendo que
algunas empresas emprenden actividades de innovación sin contar con este ítem
17
presupuestario ni con personal especializado y dedicado a este fin (Lieberman, 1984), pero
sobre todo porque en Chile la inversión en I+D es muy baja en comparación con los demás
países de la OCDE, como describimos en el primer apartado de esta investigación.
Usaremos información de las encuestas de innovación, que igualmente adolecen de
limitaciones, como la subjetividad del auto-reporte innovador; las firmas son consultadas
acerca de si han emprendido algún tipo de innovación, en algunos casos podrían decir que
no, siendo que han hecho algún tipo esfuerzo en este campo, lo que para algunas empresas
es innovación para otras puede no serlo y viceversa; esto genera un sesgo, ya que la
metodología de la encuesta aplica un filtro a las empresas que no se reportan como
innovadoras, generándose datos únicamente para algunas empresas en temas muy
relevantes a la hora del análisis, como la cooperación, el tipo de cooperación y las fuentes de
información.
Al igual que en Crespi et al (2010) utilizaremos una variable combinada de innovación que
considere tanto la de producto como la de procesos. Esta variable es representativa de la
decisión de gastar en innovación por parte de las empresas, por las mismas razones
desarrolladas en el paper antes citado: suele haber una alta colinealidad entre ambas en las
encuestas Latinoamericanas, en general cuando las mismas empresas que adoptan uno de
estos tipos de innovación, adoptan el otro. En este caso se utiliza la variable combinada ya
que esta responde al concepto de innovación tecnológica (OCDE y Eurostat, 2005).
Incorporaremos variables explicativas representativas de medias regionales de empresas
que cooperan y de empresas que reportan haber utilizado financiamiento público en el
periodo de la encuesta, haremos esto con un promedio simple y con un promedio ponderado
según tamaño de la empresa; la incorporación de estas variables busca establecer algún tipo
de correlación entre el esfuerzo innovador, representado por el logaritmo del gasto neto en
actividades innovadoras por trabajador, y el medio en que las empresas se desenvuelven,
específicamente, en relación al comportamiento de otras empresas que comparten un
espacio físico común, representado en este caso por la región. La probabilidad de innovar y
el gasto en este esfuerzo deberían aumentar ante la sinergia producida por un grupo de
empresas que cooperan o que buscan financiamiento fuera de sus fondos privados.
Presentaremos estas estimaciones en modelos que incorporen a ambas variables y modelos
que consideren estas variables por separado, así podremos acercarnos al efecto de cada
una de estas variables en el caso en que estuvieran correlacionadas.
18
Tabla 2: Descriptor de variables.
Variable
Dependientes
Variables
Independientes Descripción de las variables
innova Variable dummy que toma valor 1 para aquellas empresas que
reportan haber innovado en producto y/o en proceso
intensidad
Es el (log) del gasto en innovación calculado para todas las empresas
por trabajador. Se ha creado la variable sumando los valores del gasto
en I+D con lo reportado como gasto en acciones innovadoras.
LEM
Logaritmo del empleo, entendido como el número de trabajadores en el
primer periodo.
mediana Dummy que toma valor 1 si es mediana 0 si no
grande Dummy que toma valor 1 si es grande y 0 si no
patente
Dummy que representa el reporte de las empresas sobre si han
emprendido búsqueda de patentes o han utilizado servicios
informativos o bibliotecas de patentes durante el periodo 2011-2012
prop_extranj
Dummy que representa a las empresas que reportan como forma de
propiedad ser privadas extranjeras o mixtas.
dummy_export
Dummy que representa a las empresas que reportan valores > que 0
en el cálculo de las exportaciones por trabajador para el año 2011
mean_coop Media de las empresas que cooperan por región4.
mean_FP Media de las empresas que utilizan financiamiento público por región.
wp
Promedio regional de cooperación ponderado por tamaño, usando como indicador de tamaño el empleo.
wp2 Promedio regional de financiamiento público ponderado por tamaño.
Info1
Variable continua que toma valore del 1 al 12 según mayor relevancia
de las fuentes de mercado como insumos informativos para la
empresa. Considera la importancia dada a los proveedores, clientes,
competidores u otras empresas del mismo sector y consultores,
laboratorios comerciales o institutos privados de I+D.
Info2
Variable continua que toma valor de 0 a 6 según la mayor relevancia
de las fuentes institucionales como insumos informativos para la
empresa. Considera la importancia de las universidades u otras
instituciones de educación superior y la de los institutos de
investigación públicos o de gobierno.
Info3
Variable continua que toma valores de 0 a 12 según la mayor
relevancia de otros spillovers como insumos informativos para la
empresa.
FE_VENTAS Factor de expansión representativo del número de empresas.
FE_EMPRESAS Factor de expansión representativo de las ventas de las empresas.
Fuente: Elaboración propia
4 En la encuesta utilizada (Instituto Nacional de Estadisticas, 2011-2012) la pregunta sobre cooperación está
posteriormente desagregada en 7 categorías: Otras empresas al interior de su grupo; Proveedores de equipos, materiales, componentes o software; Clientes o consumidores; Competidores u otras empresas del sector; Consultores, laboratorios o institutos privados de I+D; Universidades u otras instituciones de educación superior; Institutos de investigación públicos o de gobierno. Cada una de estas están divididas en subcategorías “nacional” o “extranjera”. Cada alternativa antes mencionada es un dummy y luego se pregunta por el tipo de cooperación más importante para la empresa.
19
Gráfico 2. Tipo de cooperación en empresas que innovan
Fuente: Elaboración propia con datos obtenidos de las 8°encuesta de innovación (Instituto Nacional de Estadisticas, 2011-2012).
Otro grupo de variables explicativas de interés para este modelo consiste en las fuentes de
información utilizadas por las firmas para las ideas innovadoras. Estas suelen ser de varios
tipos, y en este trabajo las hemos agrupado en 3 según el origen de la información: Fuentes
de mercado, institucionales y otros spillovers. La importancia de estas variables radica en
que representan nexos entre los distintos actores relevantes, tanto fuera como dentro de la
cadena productiva. La interacción entre ellos moviliza las afluencias de información, la que
se entiende, dada la escasez de datos, representativa o una proxi de los spillovers de
conocimiento, elemento esencial para demostrar la existencia de un sistema de innovación al
representar las externalidades propias de las relaciones creadas en un zona determinada y
que permite que la tecnología funcione debidamente como el elemento necesario para la
generación de valor agregado y por tanto manteniendo una productividad a tasas crecientes.
0,73%
20,73%
22,18%
13,09% 3,64%
16,73%
17,09%
5,82%
No especifica Otras empresas al interior del grupo
Proveedores Clientes o consumidores
Competidores u otras eas de su sector Consultores, labs., otros inst. priv. de I+D
Ues u otras inst. de educ. sup. Inst. de I. públ. O de gob.
20
La tabla 3 describe las variables incluidas en el modelo propuesto, así como la forma en la
que se operacionalizarán. Por su parte, la tabla 4, contiene los estadísticos descriptivos de
estas variables.
Tabla 3. Estadísticos descriptivos de las variables utilizadas en el modelo
Nombre de la
variable
N° de Obs.
Weigth Mean Std. Dev
Innovación tecnológica innova 4614 144.145.908 .1881174 .3908073
Tamaño de la empresa LEM
4536 144.664.877 1.960.658 1.381.012
Exportaciones dummy_export
4614 144.145.908 .0730931 .2602901
Propiedad extranjera prop_extranj
4614 144.145.908 .0220317 .1467871
Gasto en innovación por trabajador (log) intensidad
1289 26.403.152 5.027.094 3.464.073
Media regional de empresas que reciben financiamiento publico mean_FP
4614 144.145.908 .113479 .0599668
Media regional de empresas que cooperan mean_coop
4614 144.145.908 .0185654 .0133516
protección a la propiedad intelectual o/y industrial patente
4614 144.145.908 .0271513 .1625247
Importancia de las fuentes de información de mercado info1
1785 377.134.168 4.219.995 3.152.804 Importancia de las fuentes de información de instituciones publicas info2
1785 377.134.168 .8569292 1.324.541
Importancia de las fuentes de información de "otros spillovers" info3
1785 377.134.168 3.786.429 3.170.463
Fuente: Elaboración propia
En el análisis se han utilizado factores de expansión de dos tipos, uno de empresas, el que
se utilizará para la regresión probabilística en que la variable independiente es una dummy y
otro de ventas para la variable independiente y continua de gasto en innovación.
Para corroborar la robustez de los resultados realizaremos una nueva ecuación que
representa la función de producción del conocimiento (Alvarez, Bravo_Ortega, & Navarro,
2011; Benavente, 2005; Griffith, Huergo, Maraisse, & Peters, 2006). Esta se plantea como un
probit de la decisión de innovar en el que se incorpora como variable explicativa el valor
predicho de la intensidad del gasto obtenido en la primera ecuación junto con otras variables
de control descritas en el apartado anterior.
La variable innovación se ha construido como una dummy con valor 1 para los casos de
empresas que reportan haber innovado y por tanto haber gastado en innovación. Las
variables independientes son la media de la cooperación por región, la media de empresas
que usan financiamiento público por región, las fuentes de información o spillovers, corregida
la estimación por tamaño de la empresa, por el factor exportación y por la propiedad
extranjera de la empresa.
21
IV. Los resultados
El primer output muestra que las variables analizadas son estadísticamente significativas y
que el modelo efectivamente adolece de un sesgo de selección. Esto puede observarse por
el estadístico RHO, en que se rechaza la hipótesis nula de que no hay sesgo.
Según podemos observar en la tabla 2 la variable sobre exportaciones resulta significativa y
aumenta el gasto en innovación en un 2.7%. Este resultado difiere de lo que otras
investigaciones han encontrado para Chile en años anteriores (Crespi & Zuniga, 2012) donde
la variable solo resulta significativa en la probabilidad de innovar y no como determinante de
la intensidad del gasto, probablemente porque en este caso estamos utilizando todas las
industrias a la vez y no solo la manufacturera, que es la que suele usarse para este tipo de
estudios. En Chile la industria tiende a enfocarse en la extracción de materias primas o en
producción básica con poca incorporación de valor agregado, de manera que la innovación
en este sector o actividad no suele ser un ítem valorado en las empresas que exportan
(Alvarez, Bravo_Ortega, & Navarro, 2011), sin embargo al incorporar a todas las industrias el
resultado cambia aunque podría tratarse de una correlación espurrea.
En relación con la propiedad extranjera esta resulta significativa solo para la intensidad del
gasto no así para la probabilidad de innovar. Este es un resultado concordante con lo que
dice la literatura al respecto ya que las empresas que tienen propiedad extranjera suelen ser
de mayor tamaño, por lo tanto al asumir riesgo en innovación lo hacen con más intensidad
en busca de mayores retornos, pero esto no afecta la probabilidad de que decidan intentar
algún tipo de esfuerzo innovador (Crespi & Zuniga, 2012; Bravo-Ortega, Benavente, &
Gonzalez, 2013; Roper & Love, 2002).
El esfuerzo por obtener alguna licencia o derecho de propiedad intelectual es igualmente
significativo y aumenta la intensidad del gasto, esto tiene directa relación con la idea
planteada en el acápite anterior en cuanto a que la búsqueda de patentes responde a etapas
maduras de innovación, en general cuando las empresas tienen un stock acumulado de
capital invertido en esta área, lo que explica que el gasto sea mayor. (Griliches, 1990).
22
Tabla 4. Intensidad del gasto sujeto a la probabilidad de realizar gasto en innovación utilizando
promedios simples de cooperación y de financiamiento público por región.
(1) (2) (3) (4)
modelo1
VARIABLES intensidad select athrho lnsigma
Exportaciones
(dummy)
2.759*** 0.505***
(0.0819) (0.0144)
Propiedad extranjera
(dummy)
2.038*** -0.0522**
(0.152) (0.0266)
patente 3.307*** 0.446***
(0.109) (0.0194)
Financiamiento
Público (media
regional)
-0.252
(0.228)
Cooperación (media
regional)
9.988***
(1.038)
Fuentes de
Información
(internas)
-0.0976***
(0.00466)
Fuentes de
Información
(instituciones
públicas)
0.120***
(0.00962)
Fuentes de
Información (otros
spillovers)
0.121***
(0.00517)
Tamaño
(log del empleo)
0.155***
(0.00160)
Constant -0.878*** -1.277*** 2.698*** 1.707***
(0.0595) (0.00508) (0.0194) (0.00594)
Observations 4,528 4,528 4,528 4,528
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
En el caso de las variables de interés representativas de la existencia de un medio virtuoso
para generar innovación hay resultados diferentes, mientras la media de las empresas que
cooperan por región, es significativa y aumenta en un 10% la intensidad el gasto en
23
innovación, el promedio de empresas que reciben financiamiento público por región no
resulta significativa y disminuye en un 0.2% la intensidad del gasto. Esto posiblemente se
deba a un efecto sustitución en los recursos, mientras más se transfieren fondos por parte
del estado, menos invierten las empresas ya que sostienen su impulso innovador solo en el
aporte fiscal. Puede también deberse a que las políticas públicas de fomento a la inversión
en I+D están focalizadas en regiones donde no hay mucho desarrollo en innovación; otra
posible explicación a este efecto es que las empresas que no reciben financiamiento público
vean un ambiente competitiva y pierdan sus incentivos para invertir. La falta de significancia
puede deberse a los escasos recursos transferidos por el Estado para estos fines. También
puede deberse a que la inversión pública se enfoca solo en algunos tipos de industria los
cuales se desarrollan de manera diversa entre regiones; solo para algunas será importante el
medio financiado públicamente.
En el caso de las fuentes de información “institucionales”, estas son, aquellas que provienen
de Universidades, institutos o instituciones de gobierno, el signo es positivo, lo que indica
que este factor aumenta la intensidad del gasto. Esta es una variable que opera como una
proxy de las externalidades positivas debidas al derrame de conocimiento. Aunque la
variable no está construida de manera regional, se puede inferir que existe una relación dado
que la mayoría de las empresas recurrirán a las instituciones educacionales más cercanas
por un tema de costos. Sin embargo, existen muy pocas observaciones para esta variable ya
que solo aplica para aquellas empresas que innovan y que cooperan.
En el caso de las fuentes de información denominadas: “otros spillovers” compuesta por
datos provenientes de seminarios, publicaciones científicas, revistas o internet, esta resulta
ser positiva y significativa, mostrando también la importancia de la externalidad de
conocimiento solo que esta vez desde otras fuentes.
Como ha mostrado una serie de otras investigaciones en este tema, la variable de tamaño
de la empresa resultan ser significativa y positiva. El logaritmo del empleo aumenta en 0.15%
la probabilidad de invertir en innovación.
Para probar la robustez de los resultados realizamos una segunda ecuación que representa
la función de producción de conocimiento, que introduce el valor predicho de la variable
intensidad del gasto obtenido en el tobit generalizado estimado en las ecuaciones anteriores
como una explicativa de la decisión de innovar de la empresa utilizando como control las
24
mismas variables incorporadas en la ecuación anterior para la estimación de la probabilidad
de innovar.
Tabla 5. Probabilidad de Innovación Tecnológica usando como variable explicativa el valor de la intensidad del gasto predicha en la ecuación 1 y 2. (Innova: auto-reporte de gasto en innovación tecnológica)
(1)
VARIABLES innova
Intensidad del
Gasto
0.0996***
(0.0170)
Tamaño 0.0922***
(0.0122)
Exportaciones -0.481***
(0.0263)
Propiedad
Extranjera
-0.00407
(0.0570)
Patente 0.461***
(0.0448)
Constant -0.359**
(0.152)
Observations 1,772
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Como se puede observar en la tabla 5, la intensidad predicha en el modelo anterior resulta
significativa. Cada punto en que aumenta el gasto, aumenta en un 9.9% la probabilidad de
innovar de las empresas. Se observan valores positivos para el tamaño de la empresa,
contestes con la literatura anteriormente citada en relación a las economías de escala, el
mayor tamaño de la empresa aumenta en un 9% la probabilidad de innovar. La búsqueda de
patentes también resulta significativa y aumenta la probabilidad en un 46%. En el caso de las
exportaciones, estas también resultan significativas, sin embargo, su signo negativo (-0.48)
concordante con lo mostrado por otros estudios para Chile (Crespi & Zuniga, 2012) debe ser
interpretado cuidadosamente, puesto que puede indicar la necesidad de especificar de mejor
manera este indicador.
25
Tabla 6. Intensidad del gasto sujeto a la probabilidad de realizar gasto en innovación utilizando solo el
promedio simple de cooperación por región.
(1) (2) (3) (4)
output10
VARIABLES intensidad select athrho lnsigma
Exportaciones 2.760*** 0.505***
(0.0819) (0.0144)
Propiedad
Extranjera
2.039*** -0.0524**
(0.152) (0.0266)
Patente 3.313*** 0.446***
(0.109) (0.0194)
Cooperación 9.497***
(0.938)
Fuentes de
información1
-0.0973***
(0.00465)
Fuentes de
información 2
0.121***
(0.00958)
Fuentes de
información 3
0.121***
(0.00517)
Tamaño de la
empresa
0.155***
(0.00159)
Constant -0.903*** -1.277*** 2.699*** 1.707***
(0.0551) (0.00506) (0.0192) (0.00592)
Observations 4,528 4,528 4,528 4,528
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Solamente la propiedad extranjera no aparece como significativa en relación a la
probabilidad de innovar y su signo negativo indicaría que esta variable disminuiría la
probabilidad de incorporar innovación tecnológica por parte de las empresas, probablemente
porque las empresas transnacionales no tienen mayores motivaciones para innovar en
países como Chile en que el producto ya viene terminado y solo se vende.
26
Tabla 7. Intensidad del gasto sujeto a la probabilidad de realizar gasto en innovación utilizando solo el
promedio simple de empresas que utilizan financiamiento público por región.
(1) (2) (3) (4)
output11
VARIABLES intensidad select athrho lnsigma
Exportaciones 2.758*** 0.505***
(0.0818) (0.0144)
Propiedad
Extranjera
2.090*** -0.0527**
(0.152) (0.0266)
Patente 3.290*** 0.449***
(0.109) (0.0195)
Media de empresas
que usan FP.
0.592***
(0.200)
info1 -0.0976***
(0.00471)
info2 0.126***
(0.00961)
info3 0.127***
(0.00520)
LEM 0.155***
(0.00160)
Constant -0.820*** -1.277*** 2.684*** 1.706***
(0.0593) (0.00508) (0.0187) (0.00592)
Observations 4,528 4,528 4,528 4,528
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
En esta ecuación puede observarse que el promedio de empresas que utilizan
financiamiento público por región es significativo y positivo, así como todas las demás
variables de control utilizadas en la estimación. Este resultado difiere del anterior en que el
modelo utilizaba ambas variables de interés en conjunto, lo que puede mostrar que ambas
están fuertemente correlacionadas. Al utilizar la variable de fondos públicos por separado, se
pueden observar los verdaderos efectos de la misma.
27
Tabla 8. Intensidad del gasto sujeto a la probabilidad de realizar gasto en innovación utilizando
promedios ponderados de cooperación y financiamiento público por región.
(1) (2) (3) (4)
output5
VARIABLES intensidad select athrho lnsigma
Exportaciones 2.177*** 0.390***
(0.505) (0.0592)
Propiedad
Extranjera
2.544*** -0.175
(0.725) (0.114)
Patente 4.431*** 0.664***
(0.553) (0.0708)
Cooperación
(promedio
ponderado)
20.82***
(2.749)
Financiamiento
Público
(promedio
ponderado)
-27.11***
(4.788)
Fuentes de
información 1
-0.365***
(0.0630)
Fuentes de
información 2
0.326***
(0.0967)
Fuentes de
información 3
-0.217***
(0.0617)
Tamaño 0.227***
(0.0112)
Constant 1.543 -3.400*** 1.200*** 1.296***
(1.476) (0.0397) (0.144) (0.0901)
Observations 3,318 3,318 3,318 3,318
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Se observa en la tabla 8 que ambos promedios resultan significativos en la estimación, solo
que en el caso de la cooperación esta tiene signo positivo, como ha sido el resultado
consistente en todas las estimaciones de esta investigación, mientras que el financiamiento
28
público muestra un signo negativo, indicando que a mayor inversión estatal, la intensidad el
gasto en innovación por parte de las empresas, es decir la inversión privada, disminuye.
Todas las demás variables de control resultan significativas.
Tabla 9. Probabilidad de Innovación Tecnológica utilizando como variable explicativa el valor predicho de la intensidad del gasto en innovación. (Innova: auto-reporte de gasto en innovación tecnológica)
(1)
VARIABLES innova
Intensidad del
gasto
0.317***
(0.0272)
Tamaño de la
empresa (empleo)
0.219***
(0.0475)
exportaciones -1.184***
(0.129)
Propiedad
Extranjera
-0.573
(0.377)
Patente 0.941***
(0.235)
Constant -3.763***
(0.346)
Observations 82
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Esta ecuación muestra que el valor predicho del gasto en innovación, estimado en la
ecuación 1 (tabla 8), resulta significativo y positivo en relación a la probabilidad de innovar de
las empresas.
29
Tabla 10. Intensidad del gasto sujeto a la probabilidad de realizar gasto en innovación utilizando solo
el promedio ponderado de cooperación por región.
(1) (2) (3) (4)
output6
VARIABLES intensidad select athrho lnsigma
Exportaciones 0.913*** 0.557***
(0.239) (0.0327)
Propiedad
Extranjera
2.631*** 0.825***
(0.263) (0.0377)
Patente 3.000*** 0.756***
(0.287) (0.0430)
Cooperación 13.33***
(promedio
ponderado)
(1.332)
Fuentes de
información 1
-0.384***
(0.0302)
Fuentes de
información 2
0.0190
(0.0493)
Fuentes de
información 3
0.0260
(0.0334)
Tamaño 0.258***
(0.00665)
Constant 4.683*** -3.035*** 0.685*** 1.180***
(0.666) (0.0230) (0.0686) (0.0357)
Observations 3,481 3,481 3,481 3,481
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Al estimar la intensidad del gasto en innovación, sujeta a la probabilidad de innovar utilizando
solo el promedio ponderado de empresas que cooperan (tabla N° 9), se puede observar que
esta variable resulta significativa y positiva, al igual que en la primera ecuación.
Todas las demás variables de control resultan significativas.
30
Tabla 11. Intensidad del gasto sujeto a la probabilidad de realizar gasto en innovación utilizando solo
el promedio ponderado de empresas que utilizan financiamiento público por región.
(1) (2) (3) (4)
output7
VARIABLES intensidad select athrho lnsigma
Exportaciones 0.925*** 0.238***
(0.170) (0.0295)
Propiedad
Extranjera
-0.832** -0.475***
(0.414) (0.0678)
Patente 8.275*** 0.624***
(0.177) (0.0306)
Financiamiento
Público
(promedio
ponderado)
-2.076**
(0.818)
Fuentes de
información 1
-0.195***
(0.0117)
Fuentes de
información 2
0.331***
(0.0274)
Fuentes de
información 3
0.0746***
(0.0143)
Tamaño 0.146***
(0.00387)
Constant -3.443*** -2.200*** 2.472*** 1.597***
(0.235) (0.0113) (0.0378) (0.0181)
Observations 3,432 3,432 3,432 3,432
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Se observa que al estimar la intensidad del gasto en innovación utilizando solo el promedio
ponderado de empresas que utilizan financiamiento público (tabla N°10) la variable resulta
significativa (al 95%) y su signo es negativo, como en las ecuaciones anteriores.
31
V. Conclusiones
Este paper presentó una estimación econométrica de las variables que inciden en la
intensidad del gasto en innovación y en la probabilidad de innovar de las empresas. Se
investigó especialmente como influyen los espacios colaborativos y con tendencia a recibir
financiamiento por parte del Estado en estas variables, tomando como unidad geográfica la
región. Se estimó un modelo estructural que describe las relaciones entre la intensidad de
la inversión, la probabilidad de innovar y el resultado innovador en función de las variables
de interés antes mencionadas.
Se encontró evidencia, consistente con la literatura, para decir que los medios colaborativos
influyen en la intensidad del gasto de innovación, es decir, que las empresas van más allá
de su propio esfuerzo innovador requiriendo que otras empresas también innoven. Dado
que la colaboración es, según la literatura, el medio a través del cual se internalizan los
derrames de conocimiento, esto significa que las externalidades positivas generadas por la
actividad innovadora por parte de una empresa, son apropiadas por parte de las demás
empresas del medio aumentando la inversión privada y a largo plazo, y la productividad
total de los factores. En este orden de ideas, la existencia de capacidad de absorción por
parte de las empresas de un determinado entorno, es muestra de la existencia de un
sistema de innovación.
Por otra parte, encontramos evidencia de que las empresas innovan menos en aquellos
lugares en que hay más empresas que cuentan con apoyo económico público,
probablemente esto se deba a la escasez de los mismos o a la falta de un programa
organizado para su asignación, o bien puede ser que el Estado asigne recursos a aquellas
regiones donde hay menos innovación. Puede ocurrir incluso que las empresas pierdan el
incentivo a innovar al ver competencia en este ámbito y que las empresas que reciben los
fondos decidan no realizar una inversión privada extra generándose un efecto de
sustitución de los recursos.
Otra conclusión a la que podemos llegar es que efectivamente la mayor inversión en
conocimiento aumenta la probabilidad de innovar en tecnología.
32
Reconocemos que el análisis adolece de serias limitaciones dada las falencias
metodológicas de la encuesta misma y de la falta de datos de panel. El diseño de la
encuesta no permitió hacer estimaciones conjuntas de los datos regionales en función de
un sector o actividad productiva específica, siendo que existen importantes diferencias en el
comportamiento de las empresas según el tipo de actividad económica de que se trate. En
relación a los datos de panel, estos permitirían hacer seguimiento de las empresas a través
del tiempo permitiéndonos estimar el efecto, por ejemplo, de las políticas públicas en su
comportamiento innovador.
Ahora bien, a pesar de lo anterior, la contribución de esta investigación, fue suministrar
evidencia de que el efecto regional, al menos en relación a la cooperación si es relevante, y
que debe ser fomentado preferentemente a través de políticas estatales. Junto con lo
anterior, las fuentes de información, especialmente las relacionadas a instituciones públicas
son una manera de instrumentalizar los spillover de conocimiento de origen público, por lo
que deben también jugar un rol fundamental en la elaboración de nuevas políticas y
debieran ser objeto de futuras y más acabadas investigaciones.
El hecho de que el financiamiento público a nivel regional no haya resultado significativo,
puede llevar a la conclusión de que las políticas deben tender a fomentar la inversión
privada, ya que la pública por sí sola no resulta suficiente o bien no resulta eficiente en su
asignación. Se requiere investigar más profundamente, cómo opera la asignación pública
de recursos a las empresas en este ámbito y su efecto en el medio.
La existencia de otros elementos que conforman a los SRI y su potencial efecto en la
productividad, debería ser tema para futuras investigaciones, siempre con miras en
fomentar la descentralización y diversificar la matriz productiva en función de las
potencialidades locales de cada una de las regiones de nuestro país.
33
VI. Referencias
Crescenzi, R., Rodríguez-Pose, A., & Storper, M. (2007). The territorial dynamics of
innovation:a Europe–United States comparative analysis. Journal of Economic
Geography 7, 673–709.
Alvarez, I., & Molero, J. (2004). Fundamentos y Evidencia Empírica de la Relación entre las
Empresas Multinacionales y Sistemas Nacionales de Innovación. Cuadernos de
Economía y Dirección de la Empresa. Núm. 20, 103-130.
Alvarez, R., Bravo_Ortega, C., & Navarro, L. (2011). Innovación, investigación y desarrollo, y
productividad en Chile. Revista CEPAL 104, 141-166.
Arrow, K. (1970). Political and Economic Evaluation of Social Effects and Externalities. En J.
Margolis, The Analysis of Public Output (págs. 1-30).
Benavente, J. (2005). Investigación y Desarrollo, Innovación y Productividad: Un Análisis
Econometrico a Nivel de la Firma. Estudios de Economía, 39-67.
Berdegué, J., & Schejtman, A. (2004). Desarrollo Territorial Rural.
Bernard , A. B., & Jensen, B. J. (1999). Exceptional exporter performance: cause, effect, or
both? Journal of International Economics 47, 1–25.
Bravo_Ortega, C., Benavente, J., & Gonzalez, A. (2013). Innovation, Exports and
Productivity: Learning and Self selection in the Chilean Case. Department of
Economics Universidad de Chile.
Bronwyn, H. H. (2008). The financing of Innovation. The Handbook of Technology and
Innovation Management, 409-425.
Cass, D. (1965). Optimum Growth in an Aggregative Model of Capital Accumulation. The
Review of Economic Studies, 233-240.
Cohen , W. M., & Levinthal, D. A. (1990). Absorptive Capacity: A New Perspective on
Learning and Innovation. Administrative Science Quarterly, Vol. 35, No. 1, Special
Issue: Technology, Organizations, and Innovation, 128-152.
Cohen, W., & Levin, R. (1989). Empirical Studies Of Innovation And Market Structure. En W.
Cohen, & R. Levin, Handbook of Industrial Organization (págs. 1060-1098). R.
Sehmalensee and R.D. Willig.
Cooke, P. (2006). Regional Innovation Systems as Public Goods. Viena, Austria: United
Nations Industrial Development Organization.
Crépon, B., Duguet, E., & Maraisse, J. (1998). Reserch, Innovation and Productivity: An
Econometric Analysis at the Firm Level. National Bureau of Economic Reserch.
34
Crépon, B., Duguet, E., & Maraisse, J. (Agosto de 1998). Reserch, Innovation and
Productivity: An Econometric Analysis at the Firm Level. Cambridge.
Crespi, G., & Zuniga, P. (2012). Innovatios and Productivity: Evidence from Six Latin
American Countries. World Development Vol. 40, 273-290.
Doloreux, D., & Parto, S. (2004). Regional Innovation Systems: A Critical Synthesis. United
Nations University, Institute for New Technologies.
Doloreux, D., & Parto, S. (Agosto de 2004). Regional Innovation Systems: A Critical
Synthesis. Holanda: United Nations University, Institute for New Technologies.
Freeman, C. (1995). The "National System of Innovation" in Historical Perspective.
Cambridge Journal of Economics, 19, 5-24.
Fritsch, M. (2000). Interregional Differences in R&D Activities-An empirical Investigation.
European Planning Studies, Vol. 8, N°4, 409-427.
Fritsch, M. (2004). Cooperation and the efficiency of regional R&D activities. Cambridge
Journal of Economics 2004, 28, 829–846.
Griffith, R., Huergo, E., Maraisse, J., & Peters, B. (2006). Innovation and Productivity Across
Four European Countries. Oxford Review of Economic Policy, vol. 22, N°4, 483-498.
Griliches, Z. (1990). Patents Statistics as Economics Indicators: A Survey part I. National
Bureau Of Economic Research.
Griliches, Z. (1991). The Search For R&D Spillovers. National Bureau Of Economic
Research.
Hall, R. E., & Jones, C. I. (11 de March de 1998). Why Do Some Countries Produce So Much
More Output per Worker than Others? National Bureau of Economic Research.
Heckman, J. (1979). Sample Selection Bias as a Specification Error. Econometrica, 153-161.
Instituto Nacional de Estadisticas. (2011-2012). http://www.economia.gob.cl. Recuperado el
abril de 2015, de http://www.economia.gob.cl: http://www.economia.gob.cl/estudios-y-
encuestas/encuestas/encuestas-de-innovacion-e-id/octava-encuesta-de-innovacion-
en-empresas-2011-2012/
Jacobs, J. (1969). The Economy of Cities. En J. J., The Economy of Cities. New York:
Vintage Books.
Koopmans, T. (1965). On the Concept of Optimal Economic Growth. En P. A. 28, The
Econometric Approach to Development Planning (págs. 225-300). reissued North-
Holland Publ. (1966).
Krugman, P. (1990). increasing returns and R&D. National Bureau Of Economic Research.
35
Krugman, P. (1991). Increasing Returns and Economic Geography. Journal Of Political
Economy, 483-499.
Levin, R. C., Klevorik, A. K., Nelson, R. R., & Winter, S. G. (1987). Appropriating the Returns
from Industrial Reserch and Development. Brookings Paper-s on Economic Activity,
783-831.
Llisterri, J., & Pietrobelli, C. (2011). Los Sistemas Regionales de Innovacion en America
Latina. Washington, D.C: Banco Interamericano del Desarrollo.
Marshall, A. (1890). Principles of Economics. En M. A., Principles of Economics. London:
MacMillan.
OCDE y Eurostat. (2005). Manual de Oslo. Guia para la Recogida e Interpretación de Datos
para la Innovación. Tragsa.
Organización para la Cooperación de Desearrollo Económico. (2009). Estudios Territoriales
de la OCDE. Santiago: Ministerio del Interior del Gobierno de Chile.
Ramsey, F. P. (1928). A Mathematical Theory of Saving. The Economic Journal, 543-559.
Romer, P. M. (1986). Increasing Returns and Long-Run Growth. The Journal of Political
Economy, Vol. 94, No. 5., 1002-1037.
Roper, S., & Love, J. H. (2002). Innovation and export performance: evidence from the UK
and German manufacturing plants. Reserch Policy 31, 1087-1102.
Ropert, M. (2009). Evolución de la Política de Desarrollo Económico Territorial en Chile:
Principales Iniciativas. Santiago, Chile: Rimisp.
Shrolec, M. (2011). Understanding the heterogeneity of cooperation on innovation:Firm-level
evidence from Europe. Oslo, Norway: Centre for Technology, Innovation and Culture
(TIK).
Sollow, R. M. (1956). A Contribution to the Theory of Economic Growth. The Quarterly
Journal of Economics, Vol. 70, No. 1 , 65-94.
van der Panne, G. (2004). Agglomeration externalities:Marshall versus Jacobs. Journal of
Evolutionary Economics; 14, 593–604.